[发明专利]发音评测方法、发音评测系统的训练方法、装置及设备

说明书

本申请公开了一种发音评测方法、发音评测系统的训练方法、装置及设备，属于人工智能技术领域。所述方法包括：获取待评测发音音频；提取待评测发音音频的音素信息；基于待评测发音音频的音素信息与待评测发音音频对应的老师发音音频的音素信息，得到待评测发音音频与老师发音音频之间的相似度；基于相似度，确定待评测发音音频的发音评分。本申请实施例提供的技术方案中，通过比较任意语种下的学生发音与老师发音对应的多语种均适用的通用音素，来确定学生发音与老师发音的相似度，进而得出学生发音的评分，无需多个模型实现多语种的发音评测，有效降低发音评测复杂度的同时还节省了存储资源。

技术领域

本申请涉及人工智能技术领域，特别涉及一种发音评测方法、发音评测系统的训练方法、装置及设备。

背景技术

在诸如外语语言的在线学习场景中，对用户的发音进行评测是进行在线学习的用户最常用的功能。

目前，常用的对用户发音进行评测的方法为：对于不同语种的语言学习场景，设计不同的发音评测算法或者模型，对不同语种的发音音频进行评分。

上述对用户发音进行评测的方法复杂度高、存储资源消耗大。

发明内容

本申请实施例提供了一种发音评测方法、发音评测系统的训练方法、装置及设备，能够实现多语种的发音评测，有效降低发音评测复杂度的同时还节省了存储资源。所述技术方案如下：

根据本申请实施例的一个方面，提供了一种发音评测方法，所述方法包括：

获取待评测发音音频；

提取所述待评测发音音频的音素信息，所述音素信息包括发音音频中各个发音的通用音素，所述通用音素是对多个语种的专有音素进行整合得到的音素；

基于所述待评测发音音频的音素信息与所述待评测发音音频对应的老师发音音频的音素信息，得到所述待评测发音音频与所述老师发音音频之间的相似度；

基于所述相似度，确定所述待评测发音音频的发音评分。

通过比较任意语种下的学生发音与老师发音对应的多语种均适用的通用音素，来确定学生发音与老师发音的相似度，进而得出学生发音的评分，无需多个模型实现多语种的发音评测，有效降低发音评测复杂度的同时还节省了存储资源。

在一个可能的设计中，所述提取所述待评测发音音频的音素信息，包括：

将所述待评测发音音频划分为至少一个音频帧；

获取所述待评测发音音频中各音频帧的频域特征；

通过多语种音素检测模型对所述待评测发音音频中各音频帧的频域特征进行处理，得到所述待评测发音音频的音素信息，所述待评测发音音频的音素信息包括所述待评测发音音频中各音频帧的概率分布，所述概率分布反映音频帧的发音在各通用音素上的概率；

其中，所述多语种音素检测模型是用于确定发音音频中各音频帧对应的通用音素的机器学习模型。

通过上述方式，实现了检测音频帧在各音素上的概率，量化体现音素信息。

在一个可能的设计中，所述通过多语种音素检测模型对所述待评测发音音频中各音频帧的频域特征进行处理，得到所述待评测发音音频的音素信息，包括：

获取所述待评测发音音频的目标语种；

选择与所述目标语种对应的目标模型参数；其中，所述多语种音素检测模型具有多组模型参数，不同的模型参数对应于不同的语种；

通过所述多语种检测模型按照所述目标模型参数对所述待评测发音音频中各音频帧的频域特征进行处理，得到所述待评测发音音频的音素信息。